申请/专利权人：昆明理工大学

申请日：2022-05-27

公开（公告）日：2024-04-26

公开（公告）号：CN114821069B

主分类号：G06V10/26

分类号：G06V10/26;G06V20/10;G06V10/40;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明公开了一种融合富尺度特征的双分支网络遥感图像建筑语义分割方法，包括以下步骤：深层语义路径基于混合空洞卷积的ResNet50提取不同层次的建筑物语义特征；将提取的深层语义特征经空间金字塔处理；浅层空间路径采用较小的下采样倍数以保持图像的分辨率，主要以Res2Net模块及富尺度特征提取模块获取准确的图像空间信息；将深层特征与浅层特征自适应融合。本发明能避免因浅层特征提取不当，影响深层特征的准确性；从浅层空间路径提取具有丰富空间信息的高分辨率特征，从深层语义路径获取聚合上下文信息的高级语义特征，确保了不同层次特征的高效利用；特征融合模块能为不同分辨率的特征图自适应分配权重，实现更好的特征融合。

主权项：1.一种融合富尺度特征的双分支网络遥感图像建筑语义分割方法，其特征在于，包括以下步骤：Step1：深层语义路径基于混合空洞卷积的ResNet50提取不同层次的建筑物语义特征；Step2：将提取的深层语义特征经空间金字塔处理，获取深层特征中的多尺度信息；Step3：浅层空间路径采用小的下采样倍数以保持图像的分辨率，主要以Res2Net模块及富尺度特征提取模块获取准确的图像空间信息；所述浅层空间路径保持大的输出特征分辨率；针对建筑物形状多样、尺度不一，以及浅层特征纹理、空间信息复杂，在浅层空间路径中，结合Res2Net设计了一种富尺度特征提取模块，通过同时增加块外、块内的感受野，提高浅层特征对分割的映射能力；所述富尺度特征提取模块由卷积、平均池化、Res2Netblock组成；首先输入的特征X分别进行3×3卷积和3×3平均池化完成2倍下采样，以获取足够的感受域；再对下采样后的特征分别进行1×1卷积、卷积核为3的Res2block、卷积核为5的Res2block；最后将不同尺度的特征级联，得到输出特征Y；顾及输入特征X的分辨率大小，并未考虑卷积核为7×7的情况；Step4：特征融合模块，将深层特征与浅层特征自适应融合，最终获取得到有效的分割结果。

全文数据：

权利要求：

百度查询： 昆明理工大学 融合富尺度特征的双分支网络遥感图像建筑语义分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD